基于强化学习的配对交易策略实证研究

发布时间：2021-09-01 19:07

　　中国A股市场自上世纪九十年代诞生以来,经过近三十年的发展,尤其在进入二十一世纪后,我国股票市场先后经历2008年和2015年两次大的危机。但是,随着我国资本市场的逐步开放和金融改革的进行,A股市场正在慢慢走向成熟,不过在国内外政治经济环境的影响下,资本市场会有一定的波动性。在这种大环境下,我国逐步放开融资融券等做空机制,配对交易策略随之风靡大陆。配对交易是统计套利中最主要的交易策略,市场有效性较低的时期,该策略有机会获取更多的收益。但是,随着市场有效性的不断提高,传统的固定参数交易模型已难以保证配对交易一直获得较大收益,交易模型的参数不仅需要优化,而且还需要动态地、实时调整,因此,在一定程度上有必要研究开发出具有机器学习属性的动态优化参数的交易模型,这对于提升配对交易模型的盈利能力和执行效率具有重要意义。在本文的整体论证过程中,主要是以沪深300指数成分股为样本,对比传统的配对交易策略和强化学习算法改进后的配对交易策略的结果,检验后者是否在A股市场可以获得更高的收益。首先选择以沪深300指数成分股作为样本股,样本的时间范围在2006年1月1日至2016年12月31日,保留了133支股票... 

【文章来源】：安徽财经大学安徽省

【文章页数】：64 页

【学位级别】：硕士

【部分图文】：

强化学习的流程图

第二章基于强化学习的配对交易策略的基本原理18贴，那么公司会获得更多发展资金，减少对外负债，反之亦然，等等。同一行业中的公司无一例外都会受到这些因素的共同影响，理论上大部分股票价格也会呈现相似的走势。现在以格力电器和美的集团两家公司为例。这两家公司同属于家电行业，且都处于龙头企业的地位。图2-1显示了在2015年1月1日至2018年12月31日两只股票收盘价的走势图，这两只股票的收盘价的走势大体上是相似的。图2-1格力电器和美的集团的股价走势图（2）基本面配对从基本面的角度切入，选取市盈率、市净率、资产负债率、净资产收益率、净利率和毛利率等指标来筛选出一部分公司。一方面，说明这些被选取的公司经营状况大体相当，另一方面，一般都会利用这些指标选取出我国A股中基本面良好的公司。换言之，这些公司的经营状况稳健且未来发展前景良好，具体反映到股票价格的趋势上，其股票价格应该具有长期的相对稳定性。这里有一个简单的做法，就是直接以跟踪相同基本面的一些指数为股票池，比如基本面50，基本面60等指数，然后从这些指数中筛选股票，进行配对交易。现在以基本面60中的两只股票平安银行和宁波银行进行展示。如图所示，两只股票的股价在2015-2018年间，呈现大体类似的趋势。

平安银行和宁波银行股价走势图

【参考文献】：
期刊论文
[1]基于协整的商品期货配对交易策略研究[J]. 孙阳,雷良海.  中国物价. 2019(09)
[2]中美股市跨市场配对交易实证分析[J]. 徐杰,周志中.  上海金融. 2019(08)
[3]基于O-U过程的基金配对资产动态管理策略研究[J]. 傅毅,张寄洲,郭润楠.  管理评论. 2019(06)
[4]基于长记忆模型的期货与现货波动率关系分析[J]. 刘赛可,何晓群.  数学的实践与认识. 2018(20)
[5]高频数据条件下基于ETF基金的股指期货套利研究[J]. 王良,秦隆皓,刘潇,陈婕.  中国管理科学. 2018(05)
[6]基于OU过程的商品期货市场配对交易策略[J]. 于孝建,邹倩倩.  南方金融. 2018(03)
[7]基于强化学习算法的自适应配对交易模型[J]. 胡文伟,胡建强,李湛,周剑峰.  管理科学. 2017(02)
[8]配对交易中配对与交易策略双重改进下的行业实证检验[J]. 陈晓芬,杨朝军.  上海金融. 2017(02)
[9]基于时变混合Copula模型的配对交易策略[J]. 沈银芳,郑学东,徐建军.  财经论丛. 2016(10)
[10]基于混合Copula的ETF配对交易策略[J]. 沈银芳,郑学东,徐信喆.  浙江大学学报(理学版). 2016(03)



本文编号：3377526